发布网友 发布时间:2022-04-25 05:13
共1个回答
热心网友 时间:2023-10-28 19:39
作为一个普通的人工智能工程师,不是所有的数学都需要。但是更多的数学知识和能力从来不是多余的。从本质上讲,机器学习的算法核心还是数学,人工智能的覆盖面更广泛一些,需要了解一些逻辑。 对于数据挖掘、人工智能、模式识别主要是高等数学(微积分、优化)、线性代数、概率与统计这三门是非常重要而且必要的数学基础。
很难相信不懂什么是高斯分布可以用贝叶斯方法做推理,不懂线性代数可以理解高维空间流形,不懂微积分可以理解反向传播,和不懂优化能理解SVM. 这些必要的数学基础,也是一般教授在教机器学习和数据挖掘中一次次被复习的内容。 甚至很多课程要花大量的时间,确定学生有这样的基础。
当然,如果你有离散数学、复变函数、图论、运筹学等基础是更完美的,很多机器学习中的难点都可以迎刃而解。 当然,如果你想深耕到统计机器学习理论的时候,可以在测度论、Decision Theory, Stochastic process (随机过程) 方面了解更多。如果做Inctive Logic Programming (ILP), 和知识图谱,可以学习 First-order logic, 多值逻辑甚至模糊逻辑。 如果涉及到经济或社会方面,可以学习博弈论(Game Theory),很多最新的研究是基于计算博弈的。